首页 > 论文范文 > 自然科学论文 > 自然科学综合论文 > 测绘学论文 > 探讨如何利用OSM数据获取地理信息资源

探讨如何利用OSM数据获取地理信息资源

2020-06-20 550 上传者：管理员

摘要：老挝是参与“一带一路”建设最积极的国家之一，了解老挝的地形地貌、地理环境和相关自然信息，将为实施“一带一路”国家战略提供基本条件。本文选取老挝的首都万象为试验区，以1∶10000地形图为试验范围，采用以平面采集为主，立体采集辅助的方式采集地物，对于属性判读采取内业综合判读和参考相关资料相结合的方式，完成地形要素数据和数字线划图，为掌握国外的地理信息资源提供一种有效的研究手段。

关键词：
OSM数据
一带一路
地形要素数据
地理信息资源
数字线划图
测绘学
加入收藏

实施“一带一路”战略急需获取我国周边及相关区域的地理信息资源。从维护国家安全、开展睦邻友好外交、推动“一带一路”建设等各个方面，均需要加强我国周边及相关区域的地理信息资源开发建设[1,2,3,4]。老挝为建设“一带一路”战略中的重要国家之一，掌握老挝的基础地理信息资源，将为实施“一带一路”国家战略提供基本条件，是国家安全与军事行动保障、生态环境评估与监测、全球变化研究与可持续发展规划等不可或缺的基础地理信息和知识空间资源[5,6,7]。

1、数据试验区及主要参考资料概述

1.1试验区概况

老挝是位于中南半岛北部的内陆国家，北邻中国，南接柬埔寨，东邻越南，西连缅甸，西南毗连泰国，其国土面积为23.68万km2，人口约680万。本文选取老挝的首都万象为试验区(如图1所示)，万象为老挝的最大城市，历史悠久，位于老挝南部，湄公河中游北岸的河谷平原上，与泰国进城廊开市隔河相望，是世界上少有的位于边境的首都。人口以老龙族为主，通用老挝语。气候属于热带季风性，年平均气温为26℃。万象交通方便，13号公路及湄公河是联系全国主要城镇的纽带。市内多寺庙、古塔，居民地密集，水系发达，交通纵横交错。

1.2主要参考资料

1.2.1已有资料

1)影像资料

影像资料采用平差处理后的资源三号卫星影像(下视分辨率2.1m，前后视分辨率3.6m，多光谱分辨率为5.8m)，采用WGS-84坐标系，单位为度;高程系统采用基于WGS84椭球的大地高程系统，单位为米，数据格式为GeoTiff格式。主要用于立体采集实验的数据源。

图1万象试验区

2)数字正射影像(DOM)

数字正射影像(DOM)采用平差处理后的资源三号卫星影像制作完成的数字正射影像成果。主要用于实验区地物平面采集的数据源。

3)核心矢量要素数据

核心矢量要素数据是来自于全球地理信息资源建设工程项目的成果数据，以OSM下载的交通要素数据为数据源，完成的二级核心矢量要素数据。其中二级核心矢量要素数据包括二级及以上行政区划、高速公路、快速路、城市主要道路、乡村主要道路、干线铁路等矢量要素的选取与编辑处理，与影像进行位置匹配。本试验区中的交通要素主要参考此资料，对于新增的道路属性由最新下载的OSM数据补充。

4)数字高程模型(DEM)

数字高程模型(DEM)主要采用全球地理信息资源建设工程数字表面模型(DSM)成果数据，进行滤波等处理后得到的数字高程模型(DEM)数据。本次试验区中的地貌数据采用同期实验的数字高程模型(DEM)成果，用于等高线和高程点提取。

1.2.2其他资料

1)OpenStreetMap数据

OpenStreetMap(简称OSM)数据由志愿者创建的网络地图数据，由用户根据手持GPS、影像、照片甚至徒手绘制，任何注册用户均可上载并编辑数据。部分政府测绘机构和商业公司也提供了数据。OSM每周发布一个版本，主要有XML和PBF两种格式。由于本试验数据为境外，无法进行外业调绘，所以属性主要参考OSM数据。部分地物OSM资料只能参考到上一级，无法确定其具体属性，作业时需要结合影像和其他参考资料，确认要素属性和使用取舍情况。

2)GADM数据

GADM数据库是由美国加州伯克利大学的RobertHijmans及其同事牵头完成的全球行政区划数据库。共收录全球294430个行政区域，数据由机构和个人共享提供，含官方和非官方数据，国家和地区采用国际标准代码、名称，数据现势性待验证。

试验区的境界主要参考GADM数据，BOUL层分别用“已定省级行政区界线、已定地级行政区界线、已定县级行政区界线”对应表示GADM数据中的“*＿adm1、*＿adm2、*＿adm3”数据。在BOUA层中表示GADM中最低级别行政区，ENAME属性项参考GADM数据中NAME＿2/NAME＿3项;CNAME参考天地图境外数据。

3)天地图境外数据

地图境外矢量数据的1—10级是以国家基础地理信息中心与中国地图出版集团合作完成的全球1∶1000000数据库为基础，包括国、省级行政区划，公路、铁路、水系、主要城镇地名(中、英文)等。自2010年起至今一直持续进行更新，并进行每年一次的审图，是行政区划与中英文地名的权威标准。天地图境外矢量数据的11—16级数据来自OpenStreetMap，进行了要素整合处理，2016年东南亚国家已有11—16级数据，且地名数据详细。

由于OSM数据参考属性只有当地语言和英文，天地图上有少量标准翻译的中文注记，可作为本次试验区地名属性的补充数据。

4)奥维互动地图

奥维互动地图是集成谷歌地图、卫星图、地形图、Bing卫星图、等高线图、三维地图、百度地图、搜狗地图、全球地图离线下载等功能于一体的互动地图，同时具有较高的分辨率和较新的时效性。

本试验区奥维地图的影像具有较高的地面分辨率。对于一些判读困难的地物，可参考进行判读。

2、试验内容

2.1立体采集与正射影像(DOM)采集精度对比试验

本文采用立体采集和基于DOM影像两种采集方式采集地物，并对其进行精度对比。其中，立体采集分别利用INPHO和航天量子两种软件基于无控技术进行立体采集，INPHO软件选取资源三号卫星的下视(分辨率2.1m)和前视(分辨率3.6m)影像建立立体模型，航天量子软件选取资源三号卫星的前视(分辨率3.6m)和后视(分辨率3.6m)的影像构建立体模型。基于DOM采集地物主要是选取试验区的数字正射影像(DOM)进行相同地物的平面采集。采集地物主要包括水系要素中单线河，居民地及设施中点状房屋、线状房屋、面状房屋，点状附属设施等，交通要素中城区街道、主要公路、小路，管线要素中电杆，地貌要素中陡坎和道路交叉口、地貌变换处、纹理明显的田角处的高程点，植被要素中有明显界限的地类界等。将采集地物的精度进行比较，最终选取最优的采集地物方式。

2.2试验区地貌数据获取

本文地貌数据主要采用同期试验完成的数字高程模型(DEM)成果提取等高线和高程点。对提取的等高线进行平滑处理，并人工排除等高线异常错误，对于部分受到树高、阴影等因素影响引起等高线表达异常的地区，需要进行人工处理，合理协调曲线与地物的关系。高程点的高程值由数字高程模型(DEM)构TIN提取，高程点位置需在数字正射影像(DOM)上均匀选取，主要在山头、鞍部和洼地等地形变换处，纹理清晰的田角、道路的交叉口位置等一、二类方位物等处。

2.3试验区地物的属性录入及境界处理原则

本文依据影像以内业综合判读的方式完成地物要素的类型进行判读，并依据OSM数据、天地图境外数据以及奥威地图对地物的名称、线状地物的宽度以及地物二级类的判别等属性进行读取。境界数据来自GADM数据，原则上不变动，只与数据中的水系、道路、地貌等要素进行协调处理。

2.4试验区数字线划图的生产

完成地物和地貌的编辑处理及属性录入，并将1∶10000数字线划图符号化，处理各地物的压盖关系，满足出图要求。最终得到试验区的地形要素数据和数字线划图两种产品，具体生产工艺流程如图2所示。

图2地形要素数据和数字线划图生产工艺流程图

3、试验结果及分析

3.1立体采集与基于DOM采集地物的精度对比结果

将利用航天量子软件和INPHO两种软件采集的地物与依照数字正射影像(DOM)采集地物分类选取部分水系、居民地及设施、交通、管线、地类界等地物进行套合检验，得到采集精度控制在2个像元内，采集平均误差在4m以内，其中，有高差影响的地物平均误差较大。因此，本试验的大部分地物可直接在数字正射影像(DOM)上直接采集;但对于有高差影响的地物，例如坎、比高点等，需要在立体上采集;对于有遮挡的地物，平面无法判断其具体方位，由立体辅助判断其准确位置。由此可确定本次试验的地形要素数据与DLG成果数据可以平面采集为主，立体采集为辅的采集方式。

3.2获取地貌数据的精度结果

通过航天量子软件恢复立体，测量部分曲线和采集高程点，与由数字高程模型(DEM)提取曲线和提取高程点的高程值进行对比分析，得到两组曲线反映地貌趋势大致相同，且计算得到的高程值中误差为±1.286，最大误差不大于4m。但是对于部分高植被和阴影地区，等高线无法反映真实地貌，需要进行人工干预。因此，本试验可直接采用由数字高程模型(DEM)提取的等高线和高程点进行DLG的等高线和高程点编辑，可快速高效地完成实验区地貌数据的获取，提高生产效率。对于植被覆盖率较高，影像或云雪造成的数字高程模型(DEM)精度较低区域需进行地貌数据的检核和修改。

3.3地形要素数据与DLG成果

本试验区图幅采用以平面采集为主，立体采集辅助的方式采集地物，以内业综合判读和参考相关资料相结合的方式完成地物要素的属性判读及录入，完成老挝1∶10000的地形要素数据和DLG成果数据。试验区主要位于万象市的希撒达纳县、哈塞丰县和赛瑟塔县境界内。地形类别为平地，等高距为1m。图幅内主要为城区，以街区和人工设施为主。植被类型主要为稻田和密集灌木林，植被类型主要依据数字正射影像(DOM)影像判读。图内中北部为能通行沼泽，分别在东北部和南部分布着高尔夫球场，主要依据OSM数据来进行范围的确定和属性的判读。图内RFCP层中的学校、庙宇和教堂等地物均参考OSM数据;水系多为人工池塘和贮水池，其属性主要依据OSM数据;居民地名称依据天地图境外数据。本图学校、教堂等设施名称只有当地名称，无法查到准确的中文名称或者英文名称，无法进行出图标注。

4、结束语

“一带一路”作为国家战略，对我国现代化建设具有深远的战略意义。老挝作为“一带一路”重要沿线国家，掌握其基础地理信息资源，对推进“一带一路”战略具有重大意义。本试验通过数字高程模型(DEM)提取等高线和高程点，可以快速高效地完成试验区地貌数据的获取。对于地物采集采用以平面采集为主，立体采集辅助的方式采集地物，以内业综合判读和参考相关资料相结合的方式完成地物要素的属性判读及录入，为获取国外地理信息资源信息提供一种有效的研究手段。

参考文献:

[1]王珏,冯宗宪,王华.“一带一路”倡议的早期成效观察与策略分析[J].情报杂志,2018,37(5):13-20.

[2]赵蓉英,王旭.“一带一路”研究的可视化分析[J].情报科学,2018,36(5):3-10,23.

[3]刘卫东,宋周莺,刘志高,等.“一带一路”建设研究进展[J].地理学报,2018,73(4):620-636.

[4]孙颖.国内“一带一路”相关文化研究综述———基于中国知网的分析[J].兰州大学学报(社会科学版),2017,45(6):154-164.

[5]王瑜婷.积极主动融入共建共享共赢———关于测绘地理信息参与“一带一路”建设的实践与思考[J].中国测绘,2018(3):40-44.

[6]刘芳.关于测绘地理信息行业参与“一带一路”建设的设想[J].中国测绘,2018(1):40-45.

[7]白亭颖.陆海地理信息数据融合关键技术研究[J].测绘通报,2015(7):99-102.

曹宇佳,于司杭,付瑜,罗建松.基于OSM数据获取地理信息资源的方法与研究[J].测绘与空间地理信息,2020(S1):123-125.